杨寿敏

山东省平度市检验检测中心 山东 平度 266700

测量需要非常高的数据处理精度。在收集了大量的测量和检测数据后,需要对这些数据进行科学的处理,从而发现和去除数据变异值,进一步提高数据处理的准确性,为相关活动获取更多的科学信息[1]。在此基础上,本文详细分析了测量和检测中导致数据异常的因素及排除方法。

一、计量检测的重要性

在日常生活产品中,工具的合理使用可以通过合理的测试来判断。不同的工具或行业需要不同种类的数据。这些工具的检测结论是否合理,必须使用标准仪器设备进行检测,并使用合适的评价结果对仪器设备进行评价,从而判断仪器设备是否能够满足实际应用条件。因此,生产数据能否测量是非常重要的,因为通过对数据的正确检验,可以证明公司的生产技术和设备是否合理,这是实现安全生产的前提。同时,测量和测试也是指导制造工艺、改造生产技术、提高产品质量的有效途径和工具。没有测量和测试,将无法解释工具掌握的生产数据和产品质量是否合理,也无法提高生产质量,从而严重影响公司的正常经营和发展。

当产品出现异常数据时,需要进行处理。主要的解决方法是删除异常数据,但删除必须符合相应的标准。因为剔除异常数据的方式不正确,没有办法为产品增加经济效益,甚至掩盖一些产品问题。如果问题突然出现,可能会造成很大的错误结果。因此,在价值计量测试中应选择异常数据处理标准,常用的标准有Dixor（Dixor）标准、Schoweiler标准等。在真值计量测试中,采用正确的测试标准可以提高数据异常剔除的准确性。

二、计量检测中异常数据出现的原因

1、外部环境因素。常见的外界条件包括气温、相对湿度等。如果外部条件变化较大或外部环境相对较差,则在测量测试工作中可能会出现异常数据。比如某石油公司对自己的产品进行计量检测时,由于环境温度的变化,计量检测数据很可能会出现异常。但是,如果此时不能有效去除计量测试中的异常值,计量测试工作的准确性必然会很低[2]。因此,相关技术人员在进行计量测试时,应充分考虑外部环境等各种因素的影响,采用有效的技术方法,将测试中的异常数据降到最低。因此,石油公司在对自身产品进行计量检测前,应根据以往计量检测经验和其他相关研究成果,关注和管理检测过程中的温度变化。

2、检测人员专业能力欠缺。测量方法不同,检测人员的测量方法和技术水平也不同。计量检测技术人员的专业知识和能力水平不够,很容易导致计量检测工具使用质量不合格,造成计量检测数据异常的可能性。此外,在计量测试中,计量测试技术人员对计量测试时工作环境的质量控制有不同的要求,导致技术人员对计量测试研究成果的理解不同,可能导致计量测试出现问题或异常等信息数据。

3、计量检测设备存在问题。测量装置的性能好不好,关系到测量测试的整体工作质量。因此,如果测量和测试装置有问题,在测量和测试过程中也会产生异常数据。例如,由于相关部门的工作人员未能按照相关法规和标准对测量测试装置进行严格的监控和维护,导致测量测试装置的灵敏度降低。如果监测人员在以后的数据测试中没有灵敏度降低的问题,那么如果照常使用该装置进行测量测试,也会出现数据异常的情况[3]。此时,如果系统不能有效清除异常数据,并在后续环节直接使用数据,则可能导致计量检测工作未达到预期结果,相关活动无法参考科学的计量检测结果。

三、计量检测中异常数据的剔除研究

（一）剔除方法。在计量检测工作中,提供异常数据信息至关重要,它直接关系到计量检测结论的正确性,是计量检测工作的主要部分。计量检测中最常见的异常数据分析和剔除方法,大致有四类,即3σ数据剔除法、T值检测数据剔除法、肖韦勒数据剔除法和格布拉斯数据剔除法。采用这四种方法,可以合理剔除计量测试中的异常数据分析,从而保证计量测试结果的准确性。

1、计量进行检测中异常信息数据的方法3α数据剔除法。3α数据剔除法是在计量测试中去除异常数据的最常见方式之一,数据去除公式为|xd-x|^3α,即利用该公式将所有计量测试数据代入其中,如果数据出现了异常,立即去除数据,以此增加了测量数据的准确度。

3.肖维勒数据剔除法。肖维勒数据剔除法中计量检查数据的比较公式是∣xd-x∣>Wn·α,也就是将独立于计量检查所得的数据进行综合比较。当计量检测数据的测量值超过公式规定的标准时,检测数据值xd即可确定为非正常数据而取消。

（二）剔除技巧。异常数据的剔除应该重视一定的技巧,结合测试的基本结果加以分析。在对实际测量的某一个数值表现出了相当的真实性之后,就需要对其基本的数据差异进行分析,以下列数值为例:10.002,10.204,10.218,10.228,10.230,10.312,10.320,10.342,10.346,反映出一系列数据变化情况,但是具体的差异还需经过严格的检验作出科学的判断。根据上面所说到的相关技巧,需要先对这列数值进行判别,以确定异常值的存在,然后选取合适的剔除技巧,可以确定出置信概念的可取值95.0%,此时即可将异常数值怀疑为10.346,再进行具体的综合运算过程,可以得出十个数据中的平均值都是10.2317,而对应的X一的平均数也是10.2231,在完成了科学化的综合运算处理以后,将异常数值从10.346中计算得出,将其有效地去除。合理地使用具体的计算方法,可以分析出所有相关数据的基本状况,最后可以判断为10.346的异常数值,而G（a,n）和10.002,或10.2317都很接近,这也体现出了合理使用格拉布斯准则的效果更为理想,获取的结果更加的可靠。在实际判定的时候,异常数据的基础思路就是把具体的数据量给解析出来,若是数据量在所规定的范围内,即可把它看作服从于止态分布准则,又或者指出它并不满足于相应的止态分布条件,从而证实了具体的数据面临着误差问题。

（三）剔除案例。为进一步对“如何剔除计量检测中的异常数据”进行说明,下面将联系案例,围绕上述剔除方法展开讨论。案例如下:在某次次计量检测时得到数据10.003、10.205、10.219、10.221、10.229、10.231、10.313、10.321、10.343、10.346,此时需剔除异常数据。经判定后得出,当应用方法第一、二、三、四分别对计量检测中的奇异数值作出判定时,所得到的结论均为10.346的奇异数值。结合实际判定的流程分析,在计量检验中异常数据被剔除时,如果想要提高异常数据剔除工作的速度,可以采用如下对策:措施一,检验人员可首先质疑计量检验数据结果中标准差、最小值,例如在此例子中,可以首先假定10.003或10.346是异常数据,进而再根据10.003和10.346做出异常数据的判断,这是因为在大多数情形下,如果一组检验数据结果的标准差和最小值都是非异常数据,则表示在该组数据结果中出现异常数值的可能性为极小,因此,在通过计量检验得到的一组数值当中,标准差和最小值通常都更容易为异常数据,结合本例子中特殊数值判定结果分析,该例子的奇异数值的确为最大值。

四、计量数据管理方法

1、建立计量信息管理机制。确定信息管理组织,建立信息管理办法,确定管理范围,规定监督奖惩。书面程序或系统的正式形成被公布并实施为公司内部数据管理的法律基础。

2、培训计量检测人员。测量和检查人员需在测量、检测知识、数据管理要求及测量仪器的使用与维护等方面进行在职培训和教育,以改进法律观念、计量意识、技术水平,以及测量和检测人员的专业素质,以便数据管理。

3、现场评估和监督。计量组织相关人员向现场提交数据,检查数据是否准确可靠,并填写“计量数据评估记录表”。

结束语

综上所述,计量测试的准确度在产品检验流程中必不可少。对计量测试中异常数值去除的方式研究进行不断深入发展有效的分析方法,就可以大大提高公司产品计量测试的准确度,从而提高了产品质量的合格率。测量测试中对异常数据的去除是一个对准确度要求很大的工作。而通过对测量测试中的大量数据进行分类,就需要有效整合产品的实用性、科学性、工作环境等多种因素,进而实现对异常数据的有效去除。